数字图像处理实战-图书-人邮教育社区

内容摘要

本书以数字图像处理基础理论与真实案例相结合的方式，深入浅出地介绍数字图像处理的常见任务及实现技术。本书共9章，内容包含数字图像处理概述、图像的基本变换、图像增强与复原、形态学处理、图像特征提取、图像分割等技术，以及车牌检测、QR码的检测、钢轨表面缺陷检测等案例。本书以Python为算法实现工具，大部分章包含操作实践代码和课后习题，帮助读者在数字图像处理基础任务和案例中应用算法，巩固所学内容。
本书可以作为高校信息技术或人工智能相关专业的教材，也可以作为数字图像处理应用的开发人员和从事数字图像处理技术研究的科研人员的参考用书。对于有一定基础和经验的读者，也能帮助他们查漏补缺，深入理解并掌握相关原理和方法，提高解决实际问题的能力。

前言

数字图像处理是指利用计算机对图像这种视觉信息进行变换、增强、复原、分割、分析等过程的理论、技术和方法，在科学技术、国民经济以及人们的日常生产生活中发挥着越来越重要的作用。本书采用人工智能领域流行的Python语言作为算法实现工具，选取生产生活中常见的场景，介绍数字图像处理技术在工程实践中的应用。党的二十大报告指出：科技是第一生产力、人才是第一资源、创新是第一动力。本书从数字图像处理基础技术入手，通过算法实例和工程案例，逐步阐明数字图像处理在不同场景中的应用，包含原理与代码实现，为读者提供完成数字图像处理常见任务的工具和方法，让初学者快速掌握数字图像处理领域的基本技能。

第1章　数字图像处理概述　1
1.1　认识数字图像处理　1
1.1.1　了解数字图像处理的起源　1
1.1.2　了解数字图像处理的应用领域　4
1.1.3　了解图像工程与数字图像处理的关系　7
1.2　认识数字图像　7
1.2.1　了解人眼的视觉系统　7
1.2.2　了解数字图像　8
1.2.3　熟悉像素间的基本关系　9
1.3　认识数字图像处理工具　11
1.3.1　熟悉常用数字图像处理工具　12
1.3.2　数字图像处理工具对比　13
1.4　了解数字图像处理相关Python库　14
1.4.1　了解Pillow库　14
1.4.2　了解NumPy库　15
1.4.3　了解scikit-image库　15
1.4.4　熟悉OpenCV库　16
小结　17
课后习题　18

第2章　图像的基本变换　19
2.1　读写图像数据　19
2.1.1　读取和显示图像　20
2.1.2　保存图像　20
2.2　在图像上绘制图形　21
2.2.1　绘制简单的图形　21
2.2.2　标注图像中的人脸区域　25
2.3　转换图像的颜色空间　26
2.3.1　了解颜色空间　26
2.3.2　颜色空间的相互转换　31
2.4　图像几何变换　32
2.4.1　了解图像的几何变换　33
2.4.2　人脸图像几何变换　35
小结　39
课后习题　40

第3章　图像增强与复原　41
3.1　使用空间滤波增强图像　41
3.1.1　了解空间滤波　41
3.1.2　使用空间滤波平滑图像　44
3.1.3　使用空间滤波锐化图像　48
3.1.4　使用空间滤波模糊图像　54
3.2　使用频率域滤波增强图像　56
3.2.1　了解频率域滤波　56
3.2.2　使用频率域滤波平滑图像　58
3.2.3　使用频率域滤波锐化图像　65
3.3　复原车牌图像　73
3.3.1　了解噪声模型　74
3.3.2　复原只存在噪声的图像　77
小结　83
课后习题　83

第4章　形态学处理　85
4.1　腐蚀和膨胀车牌图像　85
4.1.1　了解腐蚀与膨胀　85
4.1.2　腐蚀车牌图像　89
4.1.3　膨胀车牌图像　91
4.2　使用开/闭操作处理车牌图像　92
4.2.1　了解开操作与闭操作　93
4.2.2　对车牌图像进行开操作　94
4.2.3　对车牌图像进行闭操作　96
4.3　使用基本的形态学算法处理图像　97
4.3.1　了解基本的形态学算法　97
4.3.2　使用形态学算法处理车牌图像　119
小结　122
课后习题　122

第5章　图像特征提取　125
5.1　提取图像的颜色特征　125
5.1.1　了解图像的颜色特征　125
5.1.2　提取水质图像的颜色特征　134
5.2　提取图像的纹理特征　136
5.2.1　了解图像的纹理特征　136
5.2.2　提取组织切片图像的纹理特征　140
5.3　提取图像的轮廓特征　142
5.3.1　了解图像的轮廓特征　142
5.3.2　提取电容器零件图像的轮廓特征　144
5.4　提取图像的形状特征　145
5.4.1　了解图像的形状特征　145
5.4.2　提取车牌图像的形状特征　155
小结　156
课后习题　156

第6章　图像分割　158
6.1　使用阈值分割图像　158
6.1.1　阈值分割方法的基本原理　158
6.1.2　基于全局阈值的大津法　159
6.1.3　自适应阈值分割方法　161
6.1.4　使用阈值分割方法处理岩石样本图像　162
6.2　基于边缘检测的图像分割　167
6.2.1　边缘检测　167
6.2.2　使用Hough变换检测直线　173
6.2.3　基于Hough变换的QR码分割　174
6.3　区域生长算法　175
6.3.1　区域生长算法的流程　176
6.3.2　使用区域生长算法分割心形图像　176
6.4　结合空间域与色彩域的图像分割算法　178
6.4.1　SLIC算法　178
6.4.2　QuickShift算法　181
小结　182
课后习题　182

第7章　车牌检测　184
7.1　了解项目背景　184
7.2　分析项目需求　185
7.2.1　数据说明　185
7.2.2　项目目标　186
7.2.3　车牌检测流程　187
7.3　定位车牌　187
7.3.1　车牌粗略定位　187
7.3.2　车牌精细定位　193
7.4　车牌字符分割　200
7.5　结果分析　204
小结　205
课后习题　205

第8章　QR码的检测　206
8.1　了解项目背景　206
8.2　分析项目需求　207
8.2.1　数据说明　207
8.2.2　项目目标　209
8.2.3　QR码检测流程　209
8.3　图像的预处理　210
8.3.1　图像灰度化　210
8.3.2　图像去噪　211
8.3.3　灰度图像二值化　214
8.4　定位块的检测　216
8.4.1　提取二值图像的轮廓　217
8.4.2　轮廓嵌套结构检测　218
8.4.3　定位块线扫描特征筛选　219
8.5　QR码的分割与解析　222
8.5.1　计算3个定位块在QR码中的位置关系　222
8.5.2　计算定位块的4个顶点的坐标　225
8.5.3　计算QR码的4个角点的坐标及朝向　228
8.5.4　QR码的几何校正及缩放　229
8.5.5　QR码的解析　230
小结　231
课后习题　231

第9章　钢轨表面缺陷检测　232
9.1　了解项目背景　232
9.2　分析项目需求　233
9.2.1　数据说明　233
9.2.2　项目目标　234
9.2.3　钢轨表面缺陷检测流程　235
9.3　图像预处理　235
9.3.1　钢轨表面不均匀光照的消除　236
9.3.2　基于连通性分析的黑边去除　237
9.4　基于区域生长算法的钢轨表面缺陷检测　240
9.4.1　种子点的提取　240
9.4.2　上阈值的自适应选择　242
9.4.3　区域生长算法的效果分析　249
小结　249
课后习题　250
参考文献　251